①机器翻译的诞生   1949年，洛克菲勒基金会的沃伦·韦弗（Warren Weaver）提出了一系列关于如何将机器翻译理念变为现实的建议。他融合了信息理论，打破了第二次世界大战期间学到的经验教训和自然语言原则，为机器翻译一种语言铺平了道路。最早的机器翻译成功之一是Georgetown-IBM实验。1954年，IBM在其纽约办事处展示了一台可以将俄语句子翻译成英语的机器。虽然这台机器只能翻译250个单词（49个句子），但这个想法让世界很高兴。对全球机器翻译的兴趣使得资金涌入这个新的计算机科学领域。乔治敦大学的实验研究人员充满信心地表达了他们最初成功的信心，预测机器翻译将在三到五年内掌握。

  ②Georgetown IBM实验
  尽管早期有信心，机器翻译比当时的研究人员认为要困难得多。60多年后，它仍然没有真正掌握，这证明了这一点。双语词典，生成语言学和转换语法被用于增强乔治城实验背后的技术。然而，语义歧义很快被确定为一个问题。如果一个单词可能意味着不止一件事，那么计算机翻译它将如何知道原始语言中的含义是什么，从而将其翻译成哪个词？
  虽然早期的机器翻译质量足以使翻译能够提供对原始文档的基本理解，但它们距离完美还有很长的路要走。征服机器翻译的竞赛（主要是在美国和苏联之间）比预期的要长得多。1964年，美国自动语言处理咨询委员会（ALPAC）通过报告机器翻译基本上不值得花钱和费用来打击美国的努力。它建议资源专注于自动化工具（如词典），以支持人工翻译。

  ③翻译世界各地
尽管美国对机器翻译的兴趣日益减少（除了一两家着名的私营企业），但其他国家仍在继续努力。到20世纪70年代，加拿大开发了METEO系统，用于将天气报告从英语翻译成法语。该系统每天翻译约80,000个单词，质量足够好，从1977年到2001年使用，然后再使用新系统进行更新。   在其他领域，全球化正在以前所未有的方式推动对机器翻译的需求。法国，德国，苏联和英国都在努力破解机器翻译。如果能够完善使用计算机翻译的艺术，那么翻译文档所节省的成本和时间就会令人难以置信。这些知识促使许多政府和私营公司继续努力，但仍然没有完美的机器翻译系统。特别是日本希望在20世纪80年代和90年代初期引领这一指控，到20世纪90年代末，不断增长的可用性（和电力）或计算机意味着机器翻译工作的成本大幅降低。

  ④谷歌翻译技术
2000年代，世界上一些最大的技术公司专注于机器翻译，更加热情。除了日本的努力之外，美国的谷歌和微软在统计机器翻译方面投入了大量资金。这些努力后来包括将统计系统与句法和形态学知识相结合以寻求更好的结果。

  ⑤神经网络和机器翻译
  最近，大型玩家（Google，Facebook及其同类）已经被神经网络和深度学习用于完善机器翻译所吸引。神经网络在人脑功能的方式上被松散地建模，人工神经元在被激活时向其他神经元发送信号。语音识别和计算机视觉都因神经网络而取得了重大飞跃。机器翻译也受益匪浅。谷歌在2016年报告称，它在机器翻译方面迈出了重要一步。谷歌翻译已经运营了十年，但转向神经网络标志着从经常笨拙的翻译到更令人印象深刻的结果的一个步骤变化。这要归功于Google神经机器翻译（NMT）系统。简而言之，谷歌的NMT翻译整个句子而不是单个单词或一小组单词。它的工作原理是使用编码器来分解句子。然后，系统将这些句子的组成部分的含义表示为向量。正如The Register所说的那样简洁地解释：“系统解释整个句子，解码器开始通过查看编码矢量的加权分布来翻译每个单词，并将它们与目标语言中最相关的单词进行匹配。”